科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的通过乳腺超声人工智能模型(DeepBC模型)开发手机移动终端应用软件,以服务于大众,让更多的乳腺患者能够不受时间、空间地接受早期诊断。方法收集四川大学华西医院乳腺外科2018年1月至2019年4月期间行外科手术患者的超声电子图像,使用神经网络深度学习算法对乳腺超声图像以4∶1的比例进行训练、测试以建立DeepBC模型。根据训练的DeepBC模型,开发手机移动终端软件,设置图像重构模块、图像分类模块和防漏诊模块对上传的超声电子图像进行识别并诊断。结果本研究共收集到超声电子图像4 128幅,其中训练集3 302幅、测试集826幅。DeepBC模型识别乳腺超声图像中占位病变为恶性与非恶性的准确度、灵敏度、特异度、假阳性率、假阴性率分别为93.70%、93.10%、94.08%、5.92%、6.90%。绘制DeepBC模型测试集的受试者操作特征曲线并得出其最佳临界值为92.31%,其曲线下面积为0.987。根据DeepBC模型开发的DeepBC手机终端应用软件在手机微信公众号中发布运行,目前已有1万余人在微信公众号中上传乳腺彩超图像,诊断已超3万次。结论本研究基于乳腺超声电子图像建立了人工智能DeepBC模型,成功开发了手机移动终端应用软件,各模块独立运行,层层递进,界面简洁易懂,目前运行良好。
-
单位四川大学; 四川大学华西医院
